Text Mining

Ausstellende Einrichtung

Fakultät für Informatik
Fachbereich Datenwissenschaft und Ingenieurwesen

Dozent(en):

Zakarya Farou

Startdatum

13. September 2026

Enddatum

18. Dezember 2026

Studienfach

CHARM-Prioritätsfeld

Studienniveau

Studienaufwand, ECTS

3

Kurzbeschreibung

– Einführung in das Text Mining (NLP)
– Textdarstellung
– Sprachmodellierung
– Textklassifizierung
– Neuronale Netze für Text
– Aufmerksamkeitsbasierte Sprachmodellierung

Ausführliche Beschreibung

https://neptun.elte.hu/MobilityCourses?Faculty=&Programme=&AcademicTerm=&Published=&SearchText=text+mining

Lernziele

Am Ende des Kurses wird der Teilnehmer in der Lage sein, die Funktionsweise aktueller Technologien zur Datenanalyse und -modellierung zu verstehen und diese auf reale Szenarien anzuwenden, darunter auch solche mit großen Datenmengen.

Die Lernenden werden mit Techniken zur Speicherung, Verarbeitung und Visualisierung großer Datensätze sowie mit den Merkmalen verschiedener Tool-Ökosysteme vertraut sein.

Die Lernenden werden die wichtigsten Anwendungsbereiche der Datenwissenschaft, die damit verbundenen Herausforderungen, mögliche Lösungen sowie die Grenzen der entsprechenden Methoden und Techniken verstehen.

Die Lernenden werden in der Lage sein, Zusammenhänge zwischen verschiedenen Datentypen zu erkennen, aussagekräftige Informationen zu gewinnen und Probleme durch Datenumwandlung in interdisziplinären Kontexten zu lösen.

Kursvoraussetzungen

Für diesen Kurs sind keine besonderen Voraussetzungen erforderlich.

Freie Plätze

30

Literatur zum Kurs (Pflichtlektüre oder empfohlene Lektüre):

– D. Jurafsky, J. H. Martin. Sprach- und Sprachverarbeitung: Eine Einführung in die Verarbeitung natürlicher Sprache, Spracherkennung und Computerlinguistik (2. Auflage), Prentice-Hall, 2009.
– C. Manning und H. Schütze, Grundlagen der statistischen Verarbeitung natürlicher Sprache, MIT Press. Cambridge, MA: Mai 1999.

Geplante pädagogische Aktivitäten und Unterrichtsmethoden:

Der Kurs verbindet Vorlesungen, praktische Vorführungen, praktische Übungen, Fallstudien und projektbasiertes Lernen. Im Mittelpunkt der Lehrveranstaltungen stehen die Einführung in zentrale Konzepte, die Anwendung von Datenanalyse- und Modellierungstechniken auf Beispiele aus der Praxis sowie die Förderung der Teilnehmer bei der Interpretation von Ergebnissen und der Lösung von Problemen mithilfe von Daten. Zur Förderung des aktiven Lernens, der Diskussion und der interdisziplinären Zusammenarbeit können Einzel- und Gruppenaktivitäten einbezogen werden.

Kurscode

IPM-24ATTME

Sprache

Bewertungsmethode

Präsentation

Abschließende Zertifizierung

Zeugnis

Es wird kein zusätzliches Zertifikat ausgestellt.

Bewertungsdatum

17. Januar 2027

Modalität

Eingesetztes Lernmanagementsystem

Canvas, Moodle, Microsoft Teams

Unterrichtsstunden pro Woche für den Studierenden:

2

Konkrete regelmäßige wöchentliche Unterrichtstage/-zeiten

Montag, 10:00–12:00 Uhr

Zeitzone